我的图像处理项目使用灰度图像。我有 ARM Cortex-A8 处理器平台。我想使用NEON。
我有一个灰度图像（考虑下面的示例），在我的算法中，我只需要添加列。
如何将 四个 8 位像素值 并行加载，它们是 uint8_t，作为 四个 uint32_t 到 128- 之一位 NEON 寄存器？我必须使用什么内在函数来做到这一点？
我的意思是：
我必须将它们加载为 32 位，因为如果你仔细观察，我执行 255 + 255 的那一刻是 512，它不能保存在 8 位寄存器中。
例如
255 255 255 255 ......... (640 pixels)
255 255 255 255
255 255 255 255
255 255 255 255
.
.
.
.
.
(480 pixels)
【问题讨论】：
标签： arm neon intrinsics cortex-a
我建议您花一点时间了解 SIMD 在 ARM 上的工作原理。看：
看看：
让你开始。然后，您可以使用内联汇编程序或 domen 推荐的相应 ARM 内部函数来实现您的 SIMD 代码。
【讨论】：
取决于您的编译器和（可能缺少）扩展。
即。对于 GCC，这可能是一个起点：http://gcc.gnu.org/onlinedocs/gcc/ARM-NEON-Intrinsics.html
【讨论】：
如果您需要总计 480 个 8 位值，那么从技术上讲，您需要 17 位中间存储。但是，如果您分两个阶段执行加法，即前 240 行，然后是下 240 行，您可以分别以 16 位进行。然后你可以将两半的结果相加得到最终的答案。
实际上有一条 NEON 指令适用于您的算法，称为 vaddw。它将一个 dword 向量添加到一个 qword 向量，后者包含的元素的宽度是前者的两倍。在您的情况下， vaddw.u8 可用于将 8 个像素添加到 8 个 16 位累加器。然后，可以使用 vaddw.u16 将两组 8 个 16 位累加器添加到一组 8 个 32 位累加器中 - 请注意，您必须使用该指令两次才能获得两半。
如有必要，您还可以使用 vmovn 或 vqmovn 将值转换回 16 位或 8 位。
【讨论】：
没有指令可以将你的 4 个 8bit 值加载到 4 个 32bit 寄存器中。
您必须加载它们，然后使用 vshl 两次。 因为霓虹灯不能使用 32 个寄存器，所以你必须处理 8 个像素（而不是 4 个）
您只能使用 16 位寄存器。应该够了……
【讨论】：
使用单通道加载指令 (vld1 <register>[<lane>], [<address]) 将 4 个字节加载到 q 寄存器中，然后使用两个移动长指令 (vmovl) 先将它们提升到 16 位，然后再提升到 32 位。结果应该类似于（在 GNU 语法中）
vld1 d0[0], [<address>] @Now d0 = (*<addr>, *<addr+1>, *<addr+2>, *<addr+3>, <junk>, ... <junk> )
vmovl.u8 q0, d0 @Now q1 = (d0, d1) = ((uint16_t)*<addr>, ... (uint16_t)*<addr+3>, <junk>, ... <junk>)
vmovl.u16 q0, d2 @Now d0 = ((uint32_t)*<addr>, ... (uint32_t)*<addr+3>), d1 = (<junk>, ... <junk>)
如果您可以保证<address> 是4 字节对齐的，那么请在加载指令中写入[<address>: 32]，以节省一两个周期。但是，如果这样做并且地址未对齐，则会出错。
嗯，我刚刚意识到你想使用内在函数，而不是汇编，所以这里和内在函数是一样的。
uint32x4_t v8; // Will actually hold 4 uint8_t
v8 = vld1_lane_u32(ptr, v8, 0);
const uint16x4_t v16 = vget_low_u16(vmovl_u8(vreinterpret_u8_u32(v8)));
const uint32x4_t v32 = vmovl_u16(v16);
【讨论】：